バタフライ効果とは？小さな違いが未来の予測を難しくする仕組み

同じように始めたはずなのに、しばらくすると結果がまったく違う。バタフライ効果は、わずかな出発点の違いが、時間とともに大きな違いへ育つ現象を指します。何でも「小さなことが大事件を起こす」と言い換えると、その面白い部分を見失ってしまいます。

蝶の羽ばたきと、天気予報

気象学者エドワード・ローレンツの研究と結びつく言葉で、カオスを示す系の「初期値への鋭敏な依存性」が中心にあります。最初の状態がごく少し違うだけで、後の状態が大きく離れていくという性質です。

1972年の講演題には、「ブラジルの蝶の羽ばたきがテキサスの竜巻を引き起こすか」という問いが使われました。米国国立気象局の解説でも、この言葉と気象予測の限界との関係が紹介されています。特定の蝶を追跡して竜巻の原因だと実証した、という話ではありません。

イメージしたいのは、蝶そのものの力の大きさより、わずかな違いを広げていく仕組みです。

単純な例で考えてみます。最初に0.001だけあったずれが、手順を一回繰り返すたびに二倍になるとしましょう。10回後には約1.024、20回後には約1048.6になります。

これは増幅の感覚をつかむための計算例で、天気が毎回二倍ずれるというモデルではありません。また、倍々に増える式だけで、カオス全体を再現したことにもなりません。それでも、小さな初期誤差が、いつまでも小さいとは限らないことは分かります。

実際の観測には限界があります。気温や風をどれだけ細かく測っても、すべての場所を無限の精度で記録することはできません。初期のずれが広がる系では、先の時点ほど正確な状態を言い当てにくくなります。

「風が吹けば桶屋が儲かる」は、遠く離れた出来事を原因と結果の鎖でつなぐ話です。ピタゴラスイッチも、一つの動きが次の動きへ伝わる様子を楽しむ仕掛けです。

これらは連鎖の例としては分かりやすいのですが、連鎖があるだけでカオスとは言えません。正確に同じ動きを再現しやすい仕掛けもあります。バタフライ効果では、よく似た二つの開始状態が、その後どれほど違う経路をたどるかに注目します。

カオスで興味深いのは、無作為な動きだけの問題ではないことです。変化のルールが決まっていても、出発点を十分正確に知らなければ、遠い先の状態を追いにくくなる場合があります。

つまり、「次の状態を決める法則がある」と「現実に次の状態を予測できる」は別です。この違いを考えると、すべてを知る存在を想定したラプラスの悪魔の問いにもつながります。

反対に、バタフライ効果があるからあらゆる予測が無意味、という結論にもなりません。短い期間の予測、起こりやすさの見積もり、長い期間の統計的な傾向は、それぞれ違う課題です。

物理演算を使うゲームなら、物体の位置や速度の小さな違いで、後の衝突が変わることがあります。乱数を使う仕組みなら、別の乱数列が別の結果を作ります。後者がすべてカオスというわけではありませんが、どちらも開始条件を記録する大切さを教えてくれます。

不具合を再現したいときは、端末、操作順、入力値、開始位置などをそろえる。遊びやすさを確かめたいときは、一回の結果だけで判断せず、条件を変えて何度か試す。結果がずれたときに、原因を探しやすくなります。

バタフライ効果は、小さな行動が必ず大成功になるという約束ではありません。未来を一つの筋書きだけで考えず、ずれが広がる可能性を含めて準備する。その方が、蝶の比喩を実用的に使えそうです。